論文の概要: Predicting Music Valence and Arousal via Textual and Multimodal In-Context Learning in Large Language Models

• arxiv url: http://arxiv.org/abs/2610.31202v1
• Date: Thu, 22 Oct 2026 12:49:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.378377
• Title: Predicting Music Valence and Arousal via Textual and Multimodal In-Context Learning in Large Language Models
• Title（参考訳）: 大規模言語モデルにおけるテキスト・マルチモーダル・インコンテキスト学習による音楽の妥当性と覚醒の予測
• Abstract要約: 本研究では,大規模言語モデルを用いた文脈内学習の可能性について検討し,継続的な感情予測を推し進める。 我々は、歌詞と生成された音声キャプションを用いてテキストベースのICL変種を、生音声信号を含むマルチモーダル変種と共に体系的に評価した。 MER60データセット全体を厳密にホールドアウトテストセットとして使用することにより,本実験は大幅な性能向上を示す。
• 参考スコア（独自算出の注目度）: 6.198754045579698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While arousal can be reliably predicted from musical audio, emotional valence remains difficult to model due to its subjective and context-dependent nature. In this work, we investigate the potential of in-context learning (ICL) with large language models to advance continuous valence and arousal prediction. Rather than predicting emotion scores directly, our framework leverages contextual demonstrations from an auxiliary dataset to refine the initial predictions produced by a small, task-specific base model. We systematically evaluate a text-based ICL variant using lyrics and generated audio captions, alongside a multimodal variant that incorporates raw audio signals. Using the entire MER60 dataset strictly as a held-out test set, our experiments demonstrate substantial performance gains, particularly for valence. Text-based ICL improves the valence $R^2$ from 0.110 to 0.427 with 80 demonstration shots, while the multimodal variant achieves 0.346 with only 10 shots. These findings suggest that training-free ICL offers an effective inference-time strategy for current language models to predict continuous music emotion.
• Abstract（参考訳）: 覚醒は音楽音声から確実に予測できるが、主観的・文脈に依存した性質のため、感情的原子価のモデル化は困難である。 本研究では,大規模言語モデルを用いた文脈内学習(ICL)の可能性を検討した。 我々のフレームワークは、感情スコアを直接予測するのではなく、補助的なデータセットからの文脈実証を利用して、小さなタスク固有のベースモデルによって生成された初期予測を洗練します。 我々は、歌詞と生成された音声キャプションを用いてテキストベースのICL変種を、生音声信号を含むマルチモーダル変種と共に体系的に評価した。 MER60データセット全体を厳密にホールドアウトテストセットとして使用することにより、実験は、特に原子価に対して、かなりの性能向上を示す。 テキストベースのICLは、80のデモショットでR^2$を0.110から0.427に改善し、マルチモーダル版は10ショットで0.346を達成している。 これらの結果から,トレーニング不要なICLは,現在の言語モデルに対して,継続的な音楽感情を予測する効果的な推論時間戦略を提供することが示された。

関連論文リスト

• Cross-Language Speaker Attribute Prediction Using MIL and RL [0.48998185508205744]
  言語的変化, ドメインミスマッチ, 言語間のデータ不均衡を考慮した多言語話者属性予測について検討した。 強化多重インスタンス学習フレームワークの多言語拡張である RLMIL-DAT を提案する。 性別と年齢の予測のためのゼロショット設定で,VoxCeleb2由来の5言語Twitterコーパスと40言語をカバーするVoxCeleb2派生コーパスのアプローチを評価した。
  論文  参考訳（メタデータ） (2026-01-06T23:07:26Z)
• DAIL: Data Augmentation for In-Context Learning via Self-Paraphrase [37.68804898063595]
  In-Context Learning (ICL)と事前訓練された大規模言語モデルを組み合わせることで、様々なNLPタスクにおいて有望な結果が得られた。 textbfData textbfAugmentation for textbfIn-Context textbfLearning (textbfDAIL)を提案する。
  論文  参考訳（メタデータ） (2023-11-06T18:12:55Z)
• Argumentative Stance Prediction: An Exploratory Study on Multimodality and Few-Shot Learning [0.0]
  ツイートにおける姿勢予測のための画像の必要性を評価する。 私たちの研究は、微調整されたテキストベースの言語モデルの統合を示唆している。 その結果,画像内容が自然言語として要約される場合には,マルチモーダルモデルの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-10-11T00:18:29Z)
• Disco-Bench: A Discourse-Aware Evaluation Benchmark for Language Modelling [70.23876429382969]
  本研究では,多種多様なNLPタスクに対して,文内談話特性を評価できるベンチマークを提案する。 ディスコ・ベンチは文学領域における9つの文書レベルのテストセットから構成されており、豊富な談話現象を含んでいる。 また,言語分析のために,対象モデルが談話知識を学習するかどうかを検証できる診断テストスイートを設計する。
  論文  参考訳（メタデータ） (2023-07-16T15:18:25Z)
• Exploring the Efficacy of Pre-trained Checkpoints in Text-to-Music Generation Task [86.72661027591394]
  テキスト記述から完全で意味論的に一貫したシンボリック音楽の楽譜を生成する。 テキスト・音楽生成タスクにおける自然言語処理のための公開チェックポイントの有効性について検討する。 実験結果から, BLEUスコアと編集距離の類似性において, 事前学習によるチェックポイントの使用による改善が統計的に有意であることが示唆された。
  論文  参考訳（メタデータ） (2022-11-21T07:19:17Z)
• M-SpeechCLIP: Leveraging Large-Scale, Pre-Trained Models for Multilingual Speech to Image Retrieval [56.49878599920353]
  本研究は,多言語画像音声検索におけるCLIPとHuBERTの大規模,英語のみの事前学習モデル(CLIPとHuBERT)の利用について検討する。 非英語画像音声検索では、各言語毎に個別のモデルを訓練する場合と、3言語すべてで音声を処理する1つのモデルの両方において、最先端のパフォーマンスを幅広いマージンで上回ります。
  論文  参考訳（メタデータ） (2022-11-02T14:54:45Z)
• What do Large Language Models Learn beyond Language? [10.9650651784511]
  事前学習モデルは、非事前学習ニューラルモデルに匹敵する性能を著しく上回っていることがわかった。 実験により、多言語テキストやコンピュータコードで事前学習しても、事前学習の効果が持続することが明らかとなった。 その結果,言語モデルの事前学習能力と帰納学習能力との間には,未解明の深い関係があることが示唆された。
  論文  参考訳（メタデータ） (2022-10-21T23:43:13Z)
• A study on the efficacy of model pre-training in developing neural text-to-speech system [55.947807261757056]
  本研究の目的は,モデル事前学習がTSシステム性能に肯定的に寄与する理由と方法を明らかにすることである。 トレーニング前のデータを元のサイズの1/8に減らすと,TSシステムは同等の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2021-10-08T02:09:28Z)
• SPLAT: Speech-Language Joint Pre-Training for Spoken Language Understanding [61.02342238771685]
  音声理解には、入力音響信号を解析してその言語内容を理解し、予測するモデルが必要である。 大規模無注釈音声やテキストからリッチな表現を学習するために,様々な事前学習手法が提案されている。 音声と言語モジュールを協調的に事前学習するための,新しい半教師付き学習フレームワークであるSPLATを提案する。
  論文  参考訳（メタデータ） (2020-10-05T19:29:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。